电商选品调研工具指令怎么发？AI一句话调数

用青虎AI 跑选品调研，最容易卡住的一步不是写描述，而是描述写完之后那一下——明明把类目、站点都说清楚了，跑出来的报告却像是"隔了一层"，数据不够细、覆盖不够全。遇到这种情况，多数人的第一反应是换个说法重写一遍。但有更直接的一招：把要调的那个平台工具 @ 出来。

这篇专讲电商选品调研工具指令怎么发。事实源里关于 @工具指令 的话只有两句，但两句都很硬。A11 写的是：无匹配模板时，直接在输入框完整描述站点、类目、筛选条件、分析目标，搭配 @工具指令调用对应平台数据源。A15 补的是另一头：若数据覆盖不足，可在指令内新增 @对应平台工具重新调取数据源。读完这篇你能回答三个问题：@ 之前要先把哪四样描述写清楚、@ 这个动作在整条链路里起什么作用、以及结果不满意时怎么用同一条动作把数据重取回来。

先把边界说在前头：@工具 调来的是平台数据源，产出仍然是报告。这条链路的定位是只做调研与分析筛选，不碰上架、跟卖、铺货；它把数据看清楚，拿不拿这份报告去做决定，仍然是人那一步的事。@ 这个动作改变的是"你能看到多少数据"，不是"谁来做决定"。

图1：@ 的作用不是让指令更漂亮，而是把描述落到一个具体的数据源上

电商选品调研工具指令怎么发：先分清两个角色

把这件事讲清楚，得先分两个角色：一段"描述"和一条"动作"。A11 那句话的结构很清晰——前半句是描述，后半句是动作。描述负责说清楚你要看什么，动作负责告诉系统去哪里取。

描述部分有四个要素，A11 原文列的是站点、类目、筛选条件、分析目标。四者缺一不可，但作用不同：站点决定口径在哪，类目决定范围在哪，筛选条件决定边界在哪，分析目标决定这次要回答什么问题。缺了站点，系统不知道去哪取；缺了分析目标，取回来的数据没有焦点。

动作部分就是 @工具指令。它的作用是"调用对应平台数据源"——注意这里的关键词是"对应"。@ 的对象不是一个泛泛的"数据"，而是一个具体的平台数据源。这也是为什么 A4 那句话很重要：专用商店——可查看和使用 Agent 支持的所有工具。工具在哪里找、有哪些可以用，答案在专用商店里。

两句话合起来读，逻辑就完整了：先描述清楚要看什么，再 @ 出对应的工具让它去取。顺序不能反——如果先 @ 了工具才发现描述没说清，取回来的数据一样是散的。这也是为什么 A12 第 ① 条要把"准备分析对象"放在第一步：平台关键词、商品ASIN、目标类目、想要筛选的商品条件，先把对象定下来，后面描述才有东西可写。

这一批内容里，@工具指令 之所以值得单独拿出来讲，是因为它是历史上没被写过的动作。以往的电商选品调研内容大多停在"用关键词和类目去调数据"这一层，而 @ 这一步补上了后面的半句——数据从哪个平台的数据源来、用什么方式去取。青虎Agent 在这里的角色是中间那段执行：它按你描述的站点、类目、筛选条件、分析目标，去调对应平台的数据源，再把结果整理成报告。你负责说清楚要什么，它负责把取数这一下做完。

@ 之前：四要素描述要写到什么程度

A11 的四个要素里，最容易被写虚的是"分析目标"。站点、类目是名词，写起来不会跑偏；筛选条件是数值，填了就有；只有分析目标是一句话，写得好和写得平差别很大。

衡量标准很简单——一个分析目标写完之后，你能否用它判断报告是否达标。写完是"帮我看看这个类目"，这份报告出来后你没法说它好还是不好；写成"看这个类目里中价格带的竞争集中度，找出还有没有给新进入者留的位置"，报告出来后一眼就能看出答没答上。前一种写法对应的是模糊的期待，后一种对应的是可检验的问题。

这一步也要把范围说清。A9 写的是页面底部提供分平台快捷提示词，覆盖亚马逊、TIKTOK、Ozon、Shopee、哔哩哔哩、小红书、抖音、1688 共 8 个平台。@ 的对象就落在这 8 个平台各自的数据源上——你先在描述里把站点说准，@ 才有"对应"可言。青虎AI 的这层分区设计，正好让"站点"这个要素在界面上有对应的落点。

筛选条件这一步的写法，A15 给了很具体的参照。它列出的四类可调项里有两类与筛选直接相关：评论与销量筛选数值、新增卖点限制。这两类就是筛选条件的典型形态——用评论数划活跃度门槛，用销量划体量门槛，用卖点限制划内容侧口径。写的时候不必一次写全，因为在会话里还能补。

还有一个实务上的提醒：四要素的详略不必一次到顶。A16 讲首次操作的口径是只用平台关键词或类目就能起步，无需提前准备表格、大量资料。这条口径同样适用于 @ 之前那一步——先把站点、类目、目标说清楚，筛选条件给个大概区间，跑一轮看看数据量，再决定往哪个方向收。把第一轮当成探路，而不是当成交卷。青虎AI 在这条链上的定位也是这样：它承接的是"你给一个起点、它把数据取回来"这一段，起点松一点不影响它把第一轮跑通。

@ 这个动作在整条电商选品调研链路里的位置

@工具指令 在整条链路里的位置，用一句话说就是"从描述到数据的那个接口"。前面是你说的话，后面是系统取回的数据，@ 是中间那一下。

它出现的场景有两类。第一类是没模板可用的时候——A11 用"无匹配模板时"开头，说明这条路径是模板覆盖不到的那部分需求的出口。第二类是数据不够用的时候——A15 的原话是若数据覆盖不足，可在指令内新增 @对应平台工具重新调取数据源。一个用于起步，一个用于补救，动作相同。

两类场景合起来说明一件事：@工具指令 不是"高级用法"，而是这条链路上的常规动作。模板能覆盖的时候走模板，覆盖不到的时候就走 @；数据够用的时候继续往下走，不够用的时候再 @ 一次。它既是入口也是出口。

这里必须把一条虚构红线说清楚。文档在 A4 只写了"专用商店可查看和使用 Agent 支持的所有工具"，从头到尾没有列举任何具体工具名。所以任何"@某某工具"的写法都是编的——你不知道工具叫什么，文档也没告诉你。正确的表述是保留 @工具指令 这个动作名称和"对应平台数据源"这个对象描述，具体 @ 什么以你在专用商店里看到的为准。

动作	文档原文依据	常见错法
先把四要素描述写清楚	A11：完整描述站点、类目、筛选条件、分析目标	只写类目不写站点和目标，报告出来后无从判断是否达标
搭配 @工具指令调用平台数据源	A11：搭配 @工具指令调用对应平台数据源	自己编一个工具名去 @ ——文档只在 A4 说了专用商店可查看所有工具，没有列举任何工具名
看数据是否覆盖足够	A15：若数据覆盖不足，可在指令内新增 @对应平台工具重新调取数据源	数据不够时改描述重发，而不是在原指令里补一条 @ 去重取
在同一个会话里继续追加	A15：优先在当前会话内修改指令，无需新建对话	关掉会话重开一局，丢掉上一轮的上下文，等于从头再来

四行读下来会发现，@工具指令 这条路的难点其实不在 @ 本身，而在它前后两端的判断——前面判断描述够不够，后面判断数据够不够。@ 只是一个动作，判断才是重点。

把 @工具指令 和电商选品调研的另外两段接起来

@工具指令 不是一座孤岛，它上游接着市场调研、下游接着商品库，三段串起来才是一条完整的链路。A3 把这条链讲得很清楚：建议围绕单个类目、单品持续迭代分析，先通过关键词调取平台数据完成市场调研，再基于调研结论分析数据，最终将全套数据、文案归档存入商品库，后续调取无需重复查询数据。

@ 的位置就在这三段里的第一段。所谓"通过关键词调取平台数据完成市场调研"，落到操作上就是描述四要素加一次 @ 调用；而后面两段——基于调研结论分析数据、把全套数据与文案归档进商品库——都是在数据已经取回来的前提下进行的。这也解释了为什么 @ 这一步值得写清楚：取数的口径偏一点，后面两段全都要跟着偏。

下游那一段同样值得说一句。A3 第 ③ 条给了很明确的一条收益：将全套数据、文案归档存入商品库，后续调取无需重复查询数据。注意这个收益的前提是"归档"这个动作真的发生了。@ 一轮取回来的数据如果只是看完就丢，下一次同一个类目还得从描述四要素开始重走一遍；如果当场存进商品库，下一次是调取而不是重跑。同一件事，两种成本。

还有一层是取数的目的。整个电商选品调研链路最终要回答的是"这个类目值不值得投入资源"，而 @ 取数只是这个回答的原料供给。原料的覆盖度和口径，直接决定了后面分析能得出什么层次的结论。所以判断 @ 这一轮做得好不好，不看它跑得快不快，看它取回来的数据能不能支撑起你原本想回答的那个问题。

图2：同样一句指令，加了站点与分析目标之后，报告的可用性完全不同

@ 完之后结果不理想，还有四类可调项

@ 完第一次，结果不理想是常态。这时候不需要推翻重来，A15 给了一组明确的调整项和一条兜底手段。

A15 的原话是：优先在当前会话内修改指令，无需新建对话：补充调整站点、评论与销量筛选数值、新增卖点限制、更换分析维度；若数据覆盖不足，可在指令内新增 @对应平台工具重新调取数据源。这句话可以拆成两层——前一层是"调条件"，后一层是"重取数"。

四类可调项的顺序也有讲究。站点是最外层的，换站点等于换了一整个市场；评论与销量筛选数值是中间层的，收放的是样本范围；新增卖点限制是内容层的，影响的是筛选逻辑；更换分析维度是视角层的，同一批数据换个角度看。从外往里调，改动成本递增，收益也递增。

什么时候该用兜底那条。判断标准就在四个字——"数据覆盖不足"。如果报告里的对象数量明显偏少、或者关键维度缺失，那就不是调条件的问题，而是数据本身没取全，这时候要按 A15 的原话，在指令内新增 @对应平台工具重新调取数据源。注意"新增"两个字：是在原来那条指令上追加，而不是推翻重写。

这两条路的关系，其实是"先调条件、再补数据"。调条件的前提是数据在，只是范围不对；补数据的前提是范围对了，但数据没取到。判断自己属于哪一种，看一眼报告的体量和结构就有答案。

关于 @工具指令 的四个常见误解

这个动作在文档里只占两句话，所以围绕它的想象格外多。下面四种说法都很顺耳，但对着原文一看，就站不住了。

图3：四步里第三步是 @ 的动作，第四步是判断要不要回到第三步

把「发一条 @ 指令」拆成可照着走的四步

文档给的是两句原则，落到手上是四个动作。下面四张卡片按动作发生的顺序排开，每一步都写清在什么位置做什么判断。

动作	原文依据	常见错法
定分析对象	A12 第 ① 条：平台关键词、商品ASIN、目标类目、想要筛选的商品条件	跳过这步直接写描述，写到一半才发现站点和范围都没定
写四要素描述	A11：完整描述站点、类目、筛选条件、分析目标	只写类目，站点和分析目标留空，跑出来的是没有焦点的大盘数据
@ 工具指令调数据源	A11：搭配 @工具指令调用对应平台数据源	编造工具名去 @；或者把 @ 当成发送键，以为不用写描述
判断并重新调取	A15：若数据覆盖不足，可在指令内新增 @对应平台工具重新调取数据源	数据不够就改描述重跑，把已经验证过的口径一起改掉

四步里真正需要经验的只有第四步。前三步是标准动作，写熟了就是肌肉记忆；第四步需要你看一眼报告就判断出问题出在"范围"还是"数据量"。这个手感只能靠跑几轮积累，没有别的捷径。

三个场景：@工具指令 分别接住了哪些活儿

不同的活儿对 @ 的依赖程度不一样。下面三类活儿对应的是事实源里写过的三类团队，各自在 @ 这一步的需求也不一样。

把 @ 这一步放进日常之后，效率从哪来

四步走顺之后，@ 这一步带来的效率提升会体现在两个地方。

一个地方是"少猜"。没有 @ 这一步的时候，遇到数据不够用的情形，你只能靠改描述去反复试探——把类目换一下、把措辞换一下、把范围放宽一点，试到某一轮碰巧覆盖够了为止。有了 @ 这条路，A15 直接给了一条确定的动作：在指令内新增 @对应平台工具重新调取数据源。不用猜，照做就行。

另一个地方是"口径可复用"。四要素描述一旦写成，它就是一条可以反复使用的口径——换站点换一下站点，换目标换一下目标，其余部分原样保留。几轮下来你会发现，自己写描述的速度明显快了，因为每一次都不是从零开始构思，而是在一条已经验证过的框架上做替换。

这两个地方合起来，构成的是电商选品调研这件事从"靠个人经验"向"靠固定链路"的转变。@工具指令 在这条链路里只占一小格，但它把取数这一下从"随手写"变成了"照着走"。对一个需要反复跑的活儿来说，这种确定性比单次跑得漂亮更有价值。

图4：@ 是一条可以反复走的路径，判断准了就不用推翻重来

@ 完拿到报告之后，这条链路还往哪走

@ 只是把数据取回来，后面还有两段值得走完。

一段是在同一会话里继续追加。A17 第 ④ 条给的追加方向是——根据报告内容追加提问，生成文案、精简内部报告。同一批数据可以同时支撑两件事——对外要一份能用的文案，对内要一份短一点的说明。这也解释了 A15 里"更换分析维度"这个可调项的意义：同一批数据换个角度切一遍，往往能看出第一遍没注意到的结构。

另一段是归档。A3 第 ③ 条给的收益原句是——将全套数据、文案归档存入商品库，后续调取无需重复查询数据。@ 取回来的那批数据如果存下来了，下一次要同一口径的判断依据时，就不必再 @ 一遍。这条收益的前提是"归档"这个动作真的做了——没归档，下次还是得重走一遍四步。

还有一条延伸值得提。如果这类需要反复取数的调研要长期做，可以考虑把它周期化。W4 里适用人群的原句是——需要每日、固定周期重复执行监控竞品短视频、达人账号数据的选品、投放运营人员，就可以创建定时任务，适合长期竞品数据巡检，无需手动重复发起任务。两条限制必须写足：其一，只有标注支持定时运行的工作流可以配置定时任务；其二，每次运行依旧会扣除对应积分。这里要说明的是，定时任务挂在 AI 应用侧的工作流上，和 Agent 侧的 @工具指令 不是同一个入口，两者各管一段。

常见问题：关于电商选品调研工具指令的十二个疑问